一周热榜

玩玩透视卡，别评判 :)

大家都知道塔吉特（Target）的市场营销人员通过顾客的购物记录，推断出一位少女怀孕了，甚至比她的父母还早知道这件事。有人研究过大型语言模型（LLM）预测用户细节的能力吗？如果研究过，用户需要和LLM聊多久，在对话中泄露多少个人信息，预测才会变得准确？ 我能想象一个可怕的场景：在几个月里，我偶尔向ChatGPT提一些技术问题，OpenAI就掌握了向我推销新袜子的最佳方式，甚至在我自己知道会怎么做之前，就能预测我在某些情况下的行为。网上似乎很少讨论这个问题，这很奇怪，也许是因为这方面的研究确实还不多？

我们开发 TabChop 的初衷是，因为分账这件事至今仍让人觉得异常麻烦。有人下载了 App，结果扫描账单不准，界面又不好用，最后半桌人都放弃了。<p>在经历了无数次“解决方案”演变成未决请求和 Venmo 混乱的晚餐后，我们想要一个能简单奏效的工具。<p>TabChop 从账单开始。拍张照片，分享一个短代码，每个人认领自己点的菜。你可以实时看到账单更新，大家认领菜品的过程一目了然，再也不会有“谁点了什么？”的困惑。<p>我们还存储了每个人的 Venmo、Cash App 或 Zelle 信息，分账完成后，只需一键支付。再也不用尴尬地询问该付给谁，以及付多少钱。<p>我们的目标很简单。没有摩擦，没有计算，没有尴尬。只需一种无痛的方式来分账。

不露姓名，不露脸，除非你选择。就像 NGL，但用的是真实的声音。